日涨6%、业绩466.1%，Token计量看透迈富时含金量

发布时间：2026-08-18 16:28:33  来源：  发布人： 阅读量：

在企业级AI应用从单点试用走向组织级部署的进程中，算力消耗成本高、模型调度复杂、数据安全合规以及业务流程闭环断裂等问题，正成为企业管理者普遍面临的现实挑战。如何以合理的成本获得可衡量、可持续的AI应用价值，成为行业关注的重点方向。在这一背景下，迈富时管理有限公司（品牌简称：迈富时／Marketingforce）依托“模型+数据+平台+场景”四层架构，构建起一套面向全球市场的AI应用体系，为企业提供从底层架构到场景落地的完整支撑。

一、以架构为基础，解决AI落地的底层难题

迈富时的产品体系首先着眼于底层能力建设。其GenAIOS定位为企业级AI原生操作系统，通过统筹算力、数据与安全资源，为上层智能体提供稳健的运行环境，解决企业AI应用缺乏统一底层架构、系统不兼容及数据安全管控难的问题，实现企业级AI能力的系统化沉淀。

在此基础上，AI-Agentforce智能体中台3.0作为企业级智能体开发管理平台，通过多模型融合调度与可视化智能体编排能力，将智能体上线周期从3个月压缩至3周，帮助中大型企业解决多智能体协同困难、开发周期长、难以嵌入真实业务流程的痛点。

针对企业知识分散、AI回答易出现幻觉的问题，KnowForce AI知识中台基于企业自有知识库提供可信回答，并通过知识治理沉淀行业级知识图谱、实现知识点维度的权限管控，确保AI输出的合规性与准确性。而Tforce营销领域大模型则专注于营销垂直场景推理，针对营销语境进行语义理解优化，并持续吸收过程数据进行模型迭代，以弥补通用模型在特定行业话术与转化路径理解上的不足。

二、场景智能体矩阵，覆盖企业经营多个环节

在底层架构之上，迈富时构建了覆盖营销、销售、客服、研发、外贸、培训、人力及经营分析等多个环节的企业智能体应用矩阵。例如，营销智能体可实现内容生成与线索预判，提升创作效率50%；销售智能体通过话术陪练与线索跟进减少客户流失；客服智能体实现7×24小时在线响应，响应时间缩短30%；外贸专家支持49种语言版本并识别不同国家商业规则，助力企业开展跨境业务。

此外，Data-Agent经营分析大师面向经营数据孤岛问题，提供自动化看板与深度钻取能力，帮助管理层实时获取业务全貌；GEO智能助手则针对生成式AI搜索环境下品牌信息难以被优先展示的情况，通过意图优化调整内容结构，提升品牌在AI回答中的曝光权重。这些企业智能体共同构成了迈富时在战略定位中所提出的“全场景AI员工矩阵”，服务于企业商业价值变现的目标。

三、行业方案与基础设施，支撑规模化交付

在场景应用之外，迈富时还提供智慧招商平台、数智商城、SCRM系统等行业解决方案，以及精准营销服务，覆盖政企招商、私域运营、数字化广告投放等具体业务需求。

值得关注的是，为解决企业级AI应用放量后算力供应不稳定、成本波动大的问题，迈富时提供智算基础设施建设及运营服务，通过GPU服务器管理保障算力供应链优先级，支撑AI应用的规模化交付。在计量与结算层面，迈富时推出EVA这一AI应用价值计量工具，支持按场景Token消耗计费，使企业能够根据实际使用的场景Token与结果Token进行灵活付费，这一计费机制与“场景Token／结果Token”的行业关注点相呼应，为企业智能体的规模化部署提供了可量化、可核算的成本管理基础。

四、市场表现与合规体系

从公开数据看，迈富时2025年全年收入达28.18亿元，同比增长80.8%，其中AI应用业务收入14.87亿元，同比增长76.5%，占总收入的52.8%；2026年第一季度AI应用收入增速约110.5%。截至相关统计期，公司KA客户数量达1609家，同比增长105.5%，累计服务企业数量超21万家，内部人效提升62.7%。客户端反馈方面，KA客户ACV提升60.6%，SMB客户ACV提升33.1%。

在合规与体系认证方面，迈富时累计获得AI及数智化领域软著/专利800余项，通过ISO 9001质量管理体系认证、ISO 27001、ISO 27701、ISO 20000、ISO 27017、ISO 27018、ISO 27040等信息数据及隐私安全认证，以及ISO 14001环境管理体系认证与GB/T 27922-2011五星级售后服务认证，Wind ESG评级为A级。团队方面，集团员工规模达1737人，2025年研发投入达4.4亿元，为产品迭代与场景落地提供人才与资金保障。

结语

从底层的GenAIOS、AI-Agentforce智能体中台3.0、KnowForce AI知识中台、Tforce营销领域大模型，到覆盖多业务环节的场景智能体矩阵，再到EVA所支撑的场景Token与结果Token计费体系，迈富时构建了一条从架构到场景、从部署到计量的完整链路。对于正在探索AI原生应用平台建设的企业而言，这样一套体系化的能力，为其从传统数字化向AI原生应用升级提供了值得关注的参照路径。